Machine Learning Engineer, Ads Attribution, 8+ Years of Experience

Job expired!

Snap Inc., una empresa líder en tecnología, está dedicada a mejorar la forma en que las personas viven y se comunican a través de tecnología de cámara innovadora. Nuestra misión es mejorar las conexiones humanas permitiendo que las personas se expresen, vivan el momento, aprendan sobre el mundo y se diviertan juntas.

Nuestros productos principales incluyen:

  • Snapchat: Una aplicación de mensajería visual que fortalece las relaciones con amigos, familia y el mundo.
  • Lens Studio: Una plataforma de realidad aumentada que potencia experiencias AR en Snapchat y más allá.
  • Spectacles: Gafas AR que transforman las interacciones cotidianas.

Liderando estas innovaciones están nuestros equipos de ingeniería de Snap, comprometidos con la creación de productos sofisticados y atractivos para millones de usuarios a nivel mundial. Nuestro enfoque inquebrantable en valores y privacidad eleva el bienestar de nuestra comunidad.

Estamos buscando un Ingeniero de Aprendizaje Automático experimentado para unirse a nuestro dinámico equipo. Como una parte integral de Snap Inc., impulsarás avances en la resolución de identidad y atribución de anuncios mediante la aplicación de modelos de aprendizaje automático de vanguardia.

Responsabilidades clave:

  • Construir, optimizar y desplegar modelos de aprendizaje automático para la resolución de identidad y la atribución de anuncios.
  • Desarrollar modelos que generen valor para los usuarios, anunciantes y la empresa.
  • Colaborar con equipos multifuncionales para alinear estrategias de aprendizaje automático con los objetivos de la empresa.
  • Mantenerse actualizado con las últimas tecnologías de aprendizaje automático y aplicarlas para resolver problemas complejos de manera innovadora.
  • Realizar revisiones de código para asegurar la calidad e integridad del código.
  • Crear productos robustos y escalables que puedan adaptarse y crecer.
  • Iterar rápidamente sin comprometer la calidad.

Habilidades y capacidades requeridas:

  • Sólido entendimiento de enfoques y algoritmos de aprendizaje automático.
  • Fundamentos sólidos de ciencias de la computación.
  • Experiencia en aprendizaje no supervisado para datos no etiquetados.
  • Capacidad demostrada para priorizar tareas y trabajar de manera independiente.
  • Colaboración efectiva con socios internos y externos.
  • Competente en la resolución de problemas ambiguos y en proporcionar liderazgo y mentoría.

Calificaciones mínimas:

  • Título de licenciatura en ciencias de la computación, matemáticas, estadística o experiencia equivalente.
  • Más de 8 años de experiencia en la industria en aprendizaje automático.
  • Experiencia con modelos de aprendizaje automático en áreas como atribución de anuncios, identidad, medición o ML preservador de la privacidad.

Calificaciones preferidas:

  • Título avanzado en ciencias de la computación o un campo relacionado.
  • Experiencia con frameworks de aprendizaje automático como TensorFlow, Caffe2, PyTorch, Spark ML, scikit-learn, etc.
  • Experiencia en la construcción y mantenimiento de infraestructura y sistemas de aprendizaje automático.

En Snap Inc., adoptamos una política de "predominio juntos", alentando a los miembros del equipo a trabajar en la oficina 4+ días por semana. Creemos que este enfoque acelera nuestro desarrollo cultural y mejora nuestros esfuerzos colaborativos.

La diversidad es una piedra angular en Snap Inc. Estamos comprometidos a fomentar un lugar de trabajo donde voces de diversos orígenes puedan colaborar para impulsar soluciones innovadoras. Nos enorgullece ser un empleador que ofrece igualdad de oportunidades, brindando oportunidades de empleo independientemente de raza, credo, color, origen nacional, discapacidad, género y otras clasificaciones protegidas.

En Snap Inc., priorizamos tu bienestar con beneficios diseñados en torno a tus necesidades. Nuestra oferta incluye:

  • Licencia parental remunerada.
  • Cobertura médica integral.
  • Programas de apoyo emocional y mental.
  • Paquetes de compensación competitivos,